粒子群算法及其在订单分批中应用研究.docVIP

粒子群算法及其在订单分批中应用研究 　　摘 要：物流中心是现代物流活动的关键场所，而订单分拣环节占到其工作的50%以上。文章旨在通过制定合理的订单分批策略以改善人工拣选系统中拣选作业的工作效率。订单分批通过将多个订单合成一个批次或更大的订单以减少工作量并让分拣过程得以更有效的实施。文章提出的基于粒子群的分批算法考虑将粒子群算法用于求解订单分批问题，为了使算法匹配所要求解的问题，对二进制粒子群算法进行了改进。最后利用Matlab仿真软件进行仿真实验，进而得出了较经典的启发式算法更好的求解结果。 　　关键词：供应链管理；分拣策略；订单分批；粒子群算法 　　中图分类号：F251 文献标识码：A 　　Abstract： Logistics center is the key place of modern logistics activities， and the order picking process accounts for more than 50% of the work. Order batching reduces the amount of work and make the sorting process more effective by synthesizing a batch or larger order with multiple orders. In order to solve the problem of the requirements for the algorithm， the binary particle swarm optimization algorithm is improved in order to solve the problem. At last， the simulation experiment is carried out by using Matlab simulation software， and the result is better than the classical heuristic algorithm. 　　Key words： supply chain management； sorting strategy； order batching； particle swarm optimization 　　0 引 言 　　物流系统是供应链准确高效运作的基本保障，在物流系统各个环节中，物流中心连接了供应链的各个部分，是物品流通的关键节点，也是管理者关注的重点。在物流中心的各项活动中，分拣是最为重要的一项活动，其成本约是整个中心运营成本的50%～65%[1]，分拣的效率不仅关系到整个运营的成本，还直接影响到客户服务水平。人工分拣系统可以分为人到货系统和货到人系统，本文主要研究人到货系统，即拣选人员驾驶拣货设备逐个到货位进行拣选。在人工分拣系统中管理者通常要考虑三个操作层面的问题：储位分配即货物如何在存储区进行存放以及对不同的货物如何设计存放位置；订单分批即如何将订单进行分批处理以节省总的拣选时间；路径优化即如何最小化每一次拣选的路程。其中订单分批对订单拣选的运作效率起到非常关键的作用，良好的分批方法能有效减少拣选人员用于采集订单指定物品所需的时间从而提高产能增加柔性。本文介绍了粒子群算法的概念与主要步骤，提出了一种适用于订单分批问题的算法PSOBM（Particle Swarm Optimization Bat-ching Method）。 　　1 粒子群算法 　　粒子群优化算法（Particle Swarm Opti-mization， PSO）是一种基于群的随机优化技术，由Kennedy和Eberhart[2]在1995提出，粒子群算法涉及到演化计算，并与遗传和进化策略有着密切的联系。群体智能是该算法中一个核心的思想，内容为在群体中对信息的社会共享使得整个群体具有一定演化优势。粒子群优化算法的基本思想是：一个群体中的每个个体都能够“记忆”一个最佳值以及与这个最佳值相关的位置信息，同时每个个体还知道其他个体所了解到的最佳值与位置信息，这样对每个个体来说可以根据这些信息调整自己的位置以保持与其它个体的同步[3]。因此，对这样的个体需包含至少三方面的内容：当前运动的方向、自己的经验、群体的经验，相比其他的表述，粒子更适合描述具有速度和加速度这样概念的个体，这也是为什么这一算法被称为粒子群。群体对两个质量因子pbest和gbest做出反应，在两个因子间响应的定位确保了响应的多样性。群体只有在gbest改变时才改变其状态。 　　假设搜索空间中有P个粒子，每个粒子是一个n维向量，其中第i个粒子遵循下面的运动规律： 　　惯性权重系数使得搜索